AI et DePIN: l'essor des réseaux GPU décentralisés

Depuis 2023, l'IA et DePIN sont devenus des tendances populaires dans le Web3, avec une capitalisation boursière atteignant respectivement 30 milliards de dollars et 23 milliards de dollars. Cet article se concentre sur l'intersection des deux et explore le développement des protocoles associés.

Dans la pile technologique de l'IA, le réseau DePIN fournit de la praticité à l'IA grâce aux ressources de calcul. Le monopole des grandes entreprises technologiques sur les GPU a conduit les développeurs à manquer de puissance de calcul suffisante, les obligeant à choisir des fournisseurs de services cloud centralisés. DePIN offre une alternative plus flexible et rentable, en incitant à la contribution de ressources par le biais de jetons. DePIN dans le domaine de l'IA externalise les ressources GPU des propriétaires individuels vers des centres de données, formant une offre unifiée pour les utilisateurs. Cela donne non seulement aux développeurs un accès à la demande, mais crée également des revenus supplémentaires pour les propriétaires de GPU.

Il existe plusieurs réseaux AI DePIN sur le marché, ci-dessous nous explorerons les rôles, les objectifs et les principaux points forts de chaque protocole.

Aperçu du réseau DePIN AI

Render est un pionnier des réseaux P2P fournissant de la puissance de calcul GPU, initialement axé sur le rendu de contenu, puis s'est élargi aux tâches de calcul AI.

Akash se positionne comme une alternative "super cloud" prenant en charge le stockage, le calcul GPU et CPU, capable d'exécuter n'importe quelle application cloud native.

io.net offre un accès à des clusters de cloud GPU distribués spécialement conçus pour les cas d'utilisation d'IA et d'AM, agrégeant des ressources GPU provenant de centres de données, de mineurs de cryptomonnaies, etc.

Gensyn offre une puissance de calcul GPU axée sur l'apprentissage automatique et l'apprentissage profond, augmentant l'efficacité grâce à un mécanisme de validation innovant.

Aethir se spécialise dans la fourniture de GPU de niveau entreprise, se concentrant sur des domaines intensifs en calcul tels que l'IA, l'apprentissage automatique et les jeux en nuage.

Phala Network en tant que couche d'exécution pour les solutions AI Web3, traite les problèmes de confidentialité via un environnement d'exécution de confiance (TEE).

Comparaison de projet

Les projets présentent des différences en matière de matériel, de priorités commerciales, de types de tâches d'IA, de tarification du travail, de blockchain, de confidentialité des données, de coûts et de mécanismes de sécurité. Les principales différences incluent :

• Capacités de calcul en cluster et parallèle : la plupart des projets ont intégré des clusters pour réaliser un calcul parallèle, améliorant ainsi l'efficacité de l'entraînement des modèles d'IA.

• Protection de la vie privée des données : les projets utilisent différentes méthodes pour protéger la vie privée des données, telles que le chiffrement, TEE, etc.

• Preuve d'achèvement des calculs et contrôle de qualité : Certains projets fournissent des preuves d'achèvement et des mécanismes de contrôle de qualité, garantissant la qualité des calculs.

Données statistiques sur le matériel

Les projets diffèrent en termes de nombre de GPU, de nombre de GPU haute performance et de tarification. io.net et Aethir disposent d'un plus grand nombre de GPU haute performance, ce qui les rend plus adaptés aux calculs de grands modèles. Les réseaux de GPU décentralisés peuvent généralement offrir des services à un coût inférieur.

conclusion

Le domaine de DePIN en IA est encore relativement nouveau, faisant face à des défis, mais montre également un fort élan de croissance. Ces réseaux résolvent efficacement le paradoxe entre la demande et l'offre en calcul AI, offrant aux développeurs une alternative économique et efficace. Avec le développement florissant du marché de l'IA, les réseaux GPU décentralisés devraient jouer un rôle important dans le paysage des infrastructures de calcul à l'avenir.